3. Licenciatura
URI permanente para esta comunidadhttp://54.81.141.168/handle/123456789/7312
Explorar
12 resultados
Resultados de búsqueda
Ítem Texto completo enlazado Algoritmo genético multiobjetivo para la optimización de la distribución de ayuda humanitaria en caso de desastres naturales en el Perú(Pontificia Universidad Católica del Perú, 2019-12-03) Aduviri Choque, Robert Alonso; Cueva Moscoso, RonyEl Perú es un país susceptible a desastres naturales, hecho evidenciado con el terremoto de Pisco en 2007 y el fenómeno de El Niño Costero en 2017. Ante la ocurrencia de un desastre surge una cantidad considerable y variada de ayuda proveniente de distintos lugares: INDECI, empresas privadas, ciudadanía y ayuda internacional. Es posible identificar una demanda de bienes de ayuda diferenciada entre las zonas afectadas; sin embargo, el plan logístico del INDECI no indica un procedimiento de distribución de ayuda humanitaria con sustento científico. Ante esto, en el presente proyecto se propone un modelo de programación no lineal entero mixto que servirá como base para generar un plan de distribución de ayuda humanitaria a gran escala de manera automática, abarcando los niveles nacional y regional luego de un desastre. Asimismo, dado que en escenarios reales el tiempo de ejecución de métodos para encontrar soluciones para este modelo es limitado, se propone el diseño e implementación de un algoritmo genético, el cual es un algoritmo de optimización metaheurístico basado en principios evolutivos que se caracteriza por obtener soluciones aproximadas con un tiempo de ejecución menor al de métodos exactos, y permiten generar poblaciones de posibles soluciones para evaluar múltiples objetivos de optimización como la minimización de la inequidad en la distribución y el costo de transporte. Para probar el método exacto y metaheurístico se generará información a partir de datos disponibles del INDECI y la simulación de datos de prueba a partir de distribuciones de probabilidad. Asimismo, se realizará una comparación entre estos métodos, buscando obtener con el algoritmo genético una efectividad aproximada al del método exacto en un tiempo de ejecución mucho menor, y con el objetivo de conocer a partir de qué tamaño de problema es preferible el uso del algoritmo genético. Finalmente, como cada plan de distribución dependerá de las características del desastre a analizar, se propone la implementación de una interfaz de software para la entrada y visualización de información.Ítem Texto completo enlazado Implementación de un sistema de recomendación de medicamentos en base a la naturaleza del paciente geriátrico(Pontificia Universidad Católica del Perú, 2019-11-26) Montalvo Luján, Lourdes Giannina; Ríos Alejos, Luis EstebanEl presente proyecto de tesis desarrolla la implementación de un sistema de recomendación de medicamentos en base a la naturaleza del paciente geriátrico. Las personas geriátricas enfrentan problemas de salud, principalmente con enfermedades crónicas como hipertensión, diabetes, osteoartritis, entre otros, que requieren continuo tratamiento. La prescripción de múltiples medicamentos es una práctica común en este grupo de personas, en ese sentido aumenta el riesgo de interacciones farmacológicas no deseadas o peligrosas. Al aumentar la cantidad de medicamentos crece constantemente la probabilidad de padecer interacciones medicamentosas. Por lo tanto, es deseable tener sistemas de soporte médico que digieran todos los datos disponibles y adviertan sobre posibles interacciones de acuerdo al perfil médico del paciente. El sistema de recomendación desarrollado toma en cuenta las enfermedades preexistentes del paciente geriátrico, los síntomas actuales y verificación de interacciones farmacológicas. Este proyecto se inició con la construcción del simulador del paciente geriátrico basado en una red bayesiana, el cual incluye los antecedentes médicos del paciente, como punto de partida; los medicamentos a recomendar y por último el diagnóstico actual del paciente definido por el médico. Seguidamente, el desarrollo de un algoritmo genético se utilizó junto con el simulador del paciente para obtener la mejor combinación de medicamentos utilizando una función costo que optimiza la ausencia de los síntomas. Por último, el desarrollo de un sistema web consolidó todo lo construido anteriormente para que pueda ser utilizado por el usuario médico. Con ello se incluye un aporte a la mejora de la calidad de vida de los pacientes adultos mayores; con mayor énfasis, en brindar soluciones individualizadas, según su situación particular.Ítem Texto completo enlazado Inferencia de interacciones causales génicas usando técnicas basadas en Manto de Markov(Pontificia Universidad Católica del Perú, 2019-10-23) Del Río Cárdenas, Sergio Andrés; Villanueva Talavera, Edwin RafaelConocer cómo interactúan los genes en las células es un objetivo importante en biología y medicina. Este conocimiento permitiría la creación de terapias celulares precisas para corregir disfunciones de los mecanismos moleculares detrás de condiciones patológicas como el cáncer [1,2]. El estudio de estas interacciones ha sido realizado tradicionalmente por medio de experimentos que involucran perturbaciones a los sistemas celulares, y con ello una alta demanda de tiempo y mano de obra. La premisa común para realizar estos costosos experimentos de intervención es que ellos permiten detectar relaciones de causalidad entre genes sin ambigüedad, a diferencia de realizar únicamente observaciones en los sistemas celulares que no permitirían distinguir de forma confiable relaciones causales de correlaciones estadísticas generadas indirectamente por mecanismos no observados. En redes génicas, es necesario distinguir entre una causa de un efecto y el efecto de una causa, ya que esto permitiría saber cómo funciona la regulación génica en las células. No obstante, Maathius et al. [6] demostró que inferir relaciones causales en redes moleculares es posible usando datos de observaciones de los componentes del sistema (genes) y una metodología de análisis de datos. Estos trabajos generaron interés en el tema motivando diversos trabajos en consecuencia con el enfoque de estadística inferencial y causalidad. Sin embargo, las metodologías propuestas incorporan fuertes consideraciones en los modelos, como aciclicidad de las interacciones y gausianidad en los niveles de expresión de los genes, consideraciones que son biológicamente cuestionables, así como un elevado costo computacional para su procesamiento. Es en dicho contexto donde el presente proyecto propone aplicar un enfoque basado en Aprendizaje Máquina (AM). Este campo estudia cómo generar modelos que aprendan a discriminar objetos o instancias en categorías o clases conocidas, con base a un conjunto de instancias ya clasificadas (datos de entrenamiento). La idea de usar Aprendizaje Máquina en la detección de interacciones causales entre genes es aprender las diferencias mínimas que puedan existir dentro de las observaciones temporales de las expresiones de los genes que pueden caracterizar comportamientos causales entre genes. Sin embargo, al aplicar Aprendizaje Máquina en problemas de alta dimensionalidad como el descrito, es común hallar un alto costo computacional para su ejecución, lo cual genera la necesidad de métodos de reducción de dimensionalidad. En el presente proyecto se propone investigar un enfoque basado en el concepto de Manto de Markov (MM), cuyos estimadores han probado ser teóricamente óptimos para la detección del conjunto de variables causalmente relevante respecto a una variable de interés.Ítem Texto completo enlazado Implementación de un algoritmo genético para elaborar un conjunto de rutas óptimas para el transporte de la comunidad universitaria desde y hacia el campus principal(Pontificia Universidad Católica del Perú, 2018-11-27) Castillo Huerta, Julio Rodrigo; Aguilera Serpa, César AugustoEn la actualidad, varias universidades como la PUCP no cuentan con un sistema de transporte privado para la comunidad universitaria a pesar de que existen propuestas y es un servicio pedido por un sector de la universidad. Los motivos son varios ya que se debe considerar presupuestos, logística y una planeación adecuada de las rutas de servicio. Este último punto es complicado de por sí pues es difícil poder encontrar un conjunto de rutas que cumplan con satisfacer la demanda de una manera óptima. En primer lugar, se debe considerar que, en una ciudad de gran tamaño, realizar cualquier tipo de diseño de rutas es un trabajo que presenta muchos desafíos. Con todas las calles y avenidas a considerar, realizar un diseño de rutas eficiente y óptimo no puede ser una tarea manual. También se debe tomar en cuenta el tamaño de la población que se desea atender. Dentro de una universidad de dimensiones similares a la PUCP, se podría estimar una población de algunos miles de usuarios, los cuales representan un desafío en la tarea de planeación de la ruta pues se debe buscar poder satisfacer a la mayoría de ellos. Al tener una población tan grande, el usar rutas no óptimas podría perjudicar a cientos de usuarios. Finalmente, una vez determinada un conjunto de rutas, se debe también establecer la ubicación de los paraderos. Si se posee información del lugar de residencia de los miembros de la comunidad se puede planear mejor qué zonas requieren mayor cantidad de paraderos y cuales menor número. Las herramientas informáticas han sido usadas para resolver problemas similares en el pasado con mucho éxito. Sin embargo, estas han estado más orientadas al sistema de transporte público general. En la revisión se encontró que el algoritmo PIA (Pair Insertion Algorithm) ha resuelto un problema similar de planeación de rutas de transporte público, pero que estos resultados podrían ser mejorados si se usan como población inicial de otro algoritmo como uno genético. Por esto, se propone para el presente proyecto realizar, utilizando al algoritmo PIA, la Implementación de un algoritmo genético para elaborar un conjunto de rutas óptimas para el transporte de la comunidad universitaria desde y hacia el campus principal.Ítem Texto completo enlazado Composición musical artificial con algoritmos genéticos(Pontificia Universidad Católica del Perú, 2016-09-12) Vílchez Vargas, Francisco; Astuvilca Fuster, José; Beltrán Castañón, César ArmandoLa composici´on musical consiste en el uso y combinaci´on adecuada de diversas notas, con el prop´ osito de generar una melod´ıa musical. Por otro lado, la improvisaci ´on musical, consiste en la composici´on instant ´anea, realizada en un momento determinado, ya sea en base a una composici´on ya existente o alguna totalmente nueva. Para realizar dicha tarea, se requiere el conocimiento de diversos patrones existentes en teor´ıa musical y, de esta manera, poder juntarlas teniendo en consideraci ´on ciertos criterios arm´onicos, mel´odicos y r´ıtmicos para que suene agradable al usuario final. Debido a la cantidad de conocimiento necesario para poder realizar una composici´on musical, nuestro proyecto tiene la intenci ´on de realizar un m´etodo que tenga la capacidad de poder combinar notas adecuadamente siguiendo las reglas de la teor´ıa musical moderna. Este compositor (improvisador) tendr´a como entrada una armon´ıa y adaptar´a sus creaciones (improvisaciones) en base a ella. Se lograr ´a realizar dicha tarea mediante un algoritmo gen´ etico. Para ello, se utilizar ´a como poblaci ´on inicial peque˜nas frases musicales creadas por expertos, las cuales son conocidos como licks. Estas ser´an juntadas y mejoradas mediante nuestros operadores gen´ eticos, de tal manera que se logre una nueva composici´on totalmente distinta a la inicial cada vez que se aplique nuestro algoritmo. De esta manera, se desarrollar ´a una metodolog´ıa basada en algoritmos gen´ eticos, incrementando as´ı el estado del arte del ´area y finalmente disponer de una herramienta de ayuda y autoaprendizaje computarizada para este proceso de composici´on musical.Ítem Texto completo enlazado Implementación de un algoritmo genético para la optimización de flujo vehicular aplicado a la fase de tiempos en las intersecciones de un corredor vial(Pontificia Universidad Católica del Perú, 2016-07-07) Medina Nolazco, Javier Denis; Cueva Moscoso, RonyEste proyecto de fin de carrera busca aportar una posible solución al problema del tráfico en las principales vías de Lima. Aprovechando la infraestructura de semaforización, este trabajo se enfocará en modificar y optimizar los tiempos de fases de los semáforos para un adecuado flujo de tráfico. Se experimentará el comportamiento del flujo de tránsito en las intersecciones en un corredor vial y se propondrá un algoritmo genético para la adaptabilidad estos tiempos de fase de modo que contribuya con reducir el tiempo perdido en el tráfico.Ítem Texto completo enlazado Implementación de un algoritmo genético para optimizar la distribución del agua en el riego de cultivos(Pontificia Universidad Católica del Perú, 2015-06-04) Pizarro Rodríguez, Ángel Rolando; Cueva Moscoso, RonyEn la actualidad, existen diversas razones que generan un enorme problema de escasez de agua, entre las cuales se encuentra el incremento de su uso en el riego de cultivos debido a una ineficiente distribución; siendo esta una de las más alarmantes. La gestión del agua es un aspecto importante a considerar en las diversas actividades en las que se utiliza este recurso, particularmente, en la agricultura en donde gran parte del recurso hídrico está destinado a la irrigación de cultivos y terrenos. Debido a esto se requiere un uso eficiente del agua, que reduzca pérdidas o costos de producción, con una buena distribución del recurso de modo que reduzca los problemas de drenaje y salinidad, con adecuado requerimiento de agua para los cultivos y así se obtenga una calidad apropiada en los alimentos. De la misma manera, conseguir un buen uso del recurso hídrico con la finalidad de poseer suficiente agua para el riego de cultivos de modo que se eviten problemas de producción de cultivos o vedas por falta de un adecuado manejo de agua. Además, que se manejen aspectos y factores naturales que son importantes en la actividad agrícola en cuanto a la irrigación de cultivos, minimizando el despilfarro del recurso, pérdidas de cultivos y disminución de cosechas. Este manejo de factores naturales inclusive de acuerdo a las diversas y cambiantes temporadas de producción de cultivos. El presente proyecto presenta el desarrollo de un algoritmo genético que permita optimizar la distribución del recurso hídrico en el riego de cultivos en distintas áreas o terrenos tomando en cuenta los diferentes factores que condicionan la fase de crecimiento del sembrío hasta llegar a la etapa de cosecha. Esto de manera que se busque una mejor selección para el regado de plantaciones, logrando así organizar su desarrollo y el ahorro del consumo vital como es el agua. La importancia del desarrollo de este tema recae en el buen uso y manejo del recurso hídrico así como otras condiciones naturales que son importantes también.Ítem Texto completo enlazado Algoritmo genético para la asignación de tipo de aviones a vuelos(Pontificia Universidad Católica del Perú, 2015-06-04) Ávalos Aguilar, Víctor Gabriel; Cueva Moscoso, RonyEl continuo crecimiento del comercio mundial ha ocasionado un incremento constante en la demanda de vuelos comerciales. Las aerolíneas se han visto en la necesidad de diversificar sus flotas de aeronaves y aumentar el número de las mismas para satisfacer la creciente demanda. La variedad de tipos de avión, la creciente cantidad de vuelos y un mayor número de aeronaves disponibles han complicado el proceso mediante el cual se asigna un avión específico a atender un vuelo programado. Ante esta nueva realidad se ha visto un creciente número de investigaciones dedicadas a diseñar algoritmos capaces de obtener una buena asignación vuelo-avión utilizando la menor cantidad de recursos. Los algoritmos planteados han ido subiendo en complejidad a medida que ha pasado el tiempo. Los primeros que fueron planteados eran denominados algoritmos exactos, estos podían obtener la respuesta optima, pero requerían de mucho tiempo y poder de procesamiento. Luego se hizo uso de algoritmos heurísticos, como el GRASP, el cual entregaban una solución buena, que posiblemente no sea la óptima, pero su consumo de recursos era menor. En la actualidad se han diseñado varios algoritmos meta-heurísticos que permiten obtener una mejor solución que los heurísticos haciendo mejoras continuas a la solución obtenida hasta que se cumplan ciertas condiciones de parada. El objetivo de este proyecto es diseñar un algoritmo genético que minimize los costos en la asignación avión-vuelo y a la vez maximice los posibles beneficios a obtener. Para cumplir con este objetivo se hará un estudio de los conceptos asociados a la asignación de tipos de aeronaves a vuelos y se recopilarán datos reales de previas asignaciones hechas por aerolíneas que están presentes en el mercado peruano. El producto final será un algoritmo genético diseñado y calibrado para obtener soluciones que sean válidas para el actual contexto nacional.Ítem Texto completo enlazado Diseño de un algoritmo genético para la optimización de distancias en ambientes tridimensionales(Pontificia Universidad Católica del Perú, 2014-11-12) Meneses Pilco, Sebastian Alonso; Cueva Moscoso, RonyLa problemática que el presente proyecto de fin de carrera pretende afrontar es una variante del problema del TSP, donde se busca la minimización de costos y distancias en relación con las rutas en un espacio de tres dimensiones. Básicamente como se explicó en el párrafo anterior, el objetivo radica en buscar un recorrido pasando por varios puntos optimizando costo o distancia. Sin embargo esto aplica para un escenario de dos dimensiones, lo cual es perfectamente aplicable a problema de delivery, ruteo, entre otros. No obstante existen problemas que se escapan de ese contexto de dos dimensiones, y resulta necesario plantearlos en tres dimensiones. Justamente a través del presente trabajo, se busca realizar una adaptación de un algoritmo genético que permita solucionar dicho problema. En específico, el presente trabajo buscará brindar una propuesta de solución para la búsqueda de una ruta óptima entre puntos de soldadura que debe recorrer un brazo mecánico. Al conseguir una ruta óptima, se logrará minimizar la cantidad de movimientos que debe hacer el brazo mecánico, así como consecuentemente los costos.Ítem Texto completo enlazado Optimización del diseño de antenas Yagi-Uda usando algoritmos genéticos(Pontificia Universidad Católica del Perú, 2013-10-16) Velásquez Silva, Jhoel; Alcócer García, Alejandro CarlosEl ser humano desde siempre ha tenido la necesidad innata de comunicarse en cualquier lugar y en cualquier momento. Esto ha impulsado un desarrollo asombroso en el área de las telecomunicaciones y especialmente en los últimos 30 años, en los cuales se han logrado tales avances en esta área de la ingeniería que a esta etapa de la historia de la humanidad se le ha denominado como la “era de las comunicaciones”. Hace más de un siglo que Hertz demostró la posibilidad de enviar ondas electromagnéticas de un punto al otro vía inalámbrica. Menos de una década después, Marconi puso en marcha la primera comunicación transatlántica dando origen al negocio de las telecomunicaciones [1]. En los últimos treinta años, gracias al avance de los computadores y al perfeccionamiento de las técnicas numéricas se han producido mejoras significativas en los parámetros de desempeño de las antenas, debido a que se han podido implementar dichos métodos para estructuras muy complejas. En la actualidad existen diversos programas de análisis de antenas basados en estos métodos, los cuales han contribuido al avance de las telecomunicaciones [1]. En el presente trabajo de investigación se expone los fundamentos electromagnéticos aplicados a antenas y su implementación computacional; posteriormente se explicara los fundamentos teóricos de optimización teniendo como técnica principal a los algoritmos genéticos. A partir de esto se propone un diseño para la solución óptima de desempeño para antenas Yagi. El desarrollo del diseño del sistema de optimización se expone en 4 capítulos. En el primero, se aborda la teoría de antenas; en el segundo, se expone a los algoritmos genéticos; en el tercero, se explica el diseño de optimización y sus restricciones; finalmente, en el cuarto, se realizan las pruebas de simulación para demostrar el funcionamiento adecuado y esperado.